Yoshi Nishikawa Blog

医学・公衆衛生学への1ストローク。

症例報告の同意について

症例報告

これには、基本的には外部発表に際して、症例同意が必要です。

*ゲノムを用いるものなど、特殊なものは別で、倫理委員会による審査+同意が求められます。

倫理まわりの背景

個人情報保護法の改正に伴い、臨床研究まわりは倫理的配慮が厳格化されました。
症例報告に関して、指針まわりの背景をまとめます。

個人情報保護法等の改正に伴う 研究倫理指針の改正について(平成29年5月)

(5頁) いわゆる「症例報告」や「ケースレポート」は医学系指針の対象となっておらず、現在も、「医療・介護関係事業者 における個人情報の適切な取扱いのためのガイダンス」において、「十分な匿名化が困難な場合は、本人の同意を 得なければならない」とされている。

医療・介護関係事業者における個人情報の適切な取扱いのためのガイダンス

(10頁) また、特定の患者・利用者の症例や事例を学会で発表したり、学会誌で報告したりする場合等は、氏名、生年月日、住所、個人識別符号等を消去することで匿名化されると 考えられるが、症例や事例により十分な匿名化が困難な場合は、本人の同意を得なけれ ばならない。 なお、このような学会での発表等のために用いられる特定の患者の症例等の匿名化は、 匿名加工情報(II5.参照)とは定義や取扱いのルールが異なるので留意が必要である。 さらに当該発表等が研究の一環として行われる場合にはI9.に示す取扱いによるものとし、学会等関係団体が定める指針に従うものとする。

論文化する場合、貴重な病気、珍しい経過などのことも多いです。 そもそも、症例報告に関しては、患者さんの経過の記録になります。xxxx病院で、xxxxくらいの年齢のxxxx性が、xxxxという病気で、xxxxを投与して、xxxxの経過で、とまで絞られると、完全な匿名化は厳しいです。

しっかり患者さんへの情報提供、協議を行った上で、書面上もご同意いただいくのが良いでしょう。

【英語論文投稿の食べログ?】SciRev(サイレブ)で投稿先を見つける

英語論文発表までの道のり

英語論文は、執筆、投稿、査読、リバイズ、受理、と、長い道のりです。

そこで大切なのが、「投稿先」

f:id:yoshi_nishikawa:20181125135618p:plain

投稿先を決める際に気にすること

投稿先を決める際に、雑誌のScope、読者層、出版社の国、などを気にします。

でも、実務上知りたいのは、「受理・掲載までかかる時間」です。

この時間については、私自身の経験も様々です。

1ヶ月以内に受理が決定したものもありますが、

現在もすでに半年以上かかっているものを抱えています。

掲載までの時間を知る方法はないのでしょうか

ありました!!

SciRev(サイレブ)というサイトを見つけました。

SciRev - Review the scientific review process

SciRev(サイレブ)の特徴

SciRev(サイレブ)は研究者によって研究者のために作成されたウェブサイトだそう。

ポイントは、研究者の被査読経験共有によって、査読プロセスが透明化されること。

  • 1回目の査読までの時間
  • 受理までの時間
  • 即不受理の判断にかかる時間
  • 査読レポート数
  • 査読回数
  • 査読レポートの質
  • 査読コメントの難しさ
  • 全体評価

このような情報がわかります。

英語論文投稿の食べログのようですね。

About SciRev - Background - SciRev

検索のやり方

至って簡単。ここに入力するだけです。

f:id:yoshi_nishikawa:20181125141927p:plain

上の検索結果はこちら↓↓

New England Journal of Medicine - SciRev

論文投稿の際、参考にしていきます!!

症例報告、英語論文投稿までのプロセス

症例報告、英語論文投稿までのプロセス

今回は、症例報告、英語論文投稿までのプロセスを因数分解します。 英語論文は、書いていれば良いだけではなく、
以下のようなステップを経て、ようやく投稿できます。

  1. 着想
  2. 説明・同意
  3. 論文執筆
  4. 投稿先の体裁にあわせて本文を完成
  5. 英文校正
  6. 引用の完成 (引用を完成させてから英文校正にかけることもあり。ただし、字数分金額が上がる)
  7. タイトルページの作成
  8. カバーレターの作成
  9. 投稿先の雑誌のアカウント作成、論文のアップロード
  10. ようやく投稿!

このように、やることは多いですが、
基本的に頭を使うのは、着想と論文執筆だけです。
そこに一番時間を割くようにしましょう。

このあと査読を経て、必要に応じて修正を行い、雑誌に掲載されるかどうか決まります。

Python plotlyを用いてSankey Diagram(サンキーダイアグラム)を作成する

Sankey Diagram(サンキーダイアグラム)

plot.ly

このダイアグラム、お金の流れや、エネルギーの流れなどでよく目にしますが、
Sankey Diagram(サンキーダイアグラム)と言うそうです。

Sankey Diagram(サンキー・ダイアグラム)は工程間の流量を表現する図表です。
矢印の太さで流れの量を表し、特にエネルギーや物資、経費等の変位を表す為に使われます。
Sankeyの名前の由来は1898年に初めてこの形式の表を用いた蒸気機関におけるエネルギー効率についての記事の著者であるアイルランド人M.H.サンキーに因む。
出典: サンキー ダイアグラム - Wikipedia

ベーシックなSankey Diagramを作成する

plotlyのウェブサイトを参考に、
Sankey Diagramを作ってみました。

コードの例は下に載せておきます。

f:id:yoshi_nishikawa:20181120144058p:plain

#plotlyをofflineで呼び出して

import plotly.plotly as py
import plotly.offline as offline
offline.init_notebook_mode(connected=False)


data = dict(
    type='sankey',
    node = dict(
      pad = 15,
      thickness = 20,
      line = dict(
        color = "black",
        width = 0.5
      ),
      label = ["い", "ろ", "は", "に", "ほ", "へ"], #各nodeを作成 
      color = ["blue", "blue", "green", "green", "yellow", "yellow"] #色を指定します。
    ),
    link = dict(
      source = [0,1,1,0,2,3,3], #sourceは出発元のnode  
      target = [2,2,3,3,4,4,5], #targetは到着先のnode  
      value = [8,1,3,2,9,3,2] #流量
  ))

layout =  dict(
    title = "Sankey Diagram はじめました",
    font = dict(
      size = 10
    )
)

fig = dict(data=[data], layout=layout)
offline.plot(fig, validate=False)

Community detection ~コミュニティを検出する~

コミュニティ検出

ネットワーク上で、コミュニティの検出をしたい

大きくわけて以下がある。

Null model

  • Modularityを最大化

モジュラリティ - Wikipedia

しかし、resolution limitという問題がある。

Resolution limit in community detection

そのため、nが大きい場合には、以下を用いると良い。

Flow based model

  • Mapequationを最小化

MapEquation

大きいネットワークにも対応できる。

参考資料

http://networksciencebook.com/chapter/9

R+igraph - Kazuhiro Takemoto

グラフ・ネットワーク分析で遊ぶ(4):コミュニティ検出(クラスタリング) - 六本木で働くデータサイエンティストのブログ

Network Science をまなぶ

Network Science

networksciencebook.com

この本を読みながら勉強していきます!

参考資料

R+igraph - Kazuhiro Takemoto

グラフ・ネットワーク分析で遊ぶ(1):グラフ可視化・描画手法 - 六本木で働くデータサイエンティストのブログ

グラフ・ネットワーク分析で遊ぶ(2):最短経路長など - 六本木で働くデータサイエンティストのブログ

グラフ・ネットワーク分析で遊ぶ(3):中心性(PageRank, betweeness, closeness, etc.) - 六本木で働くデータサイエンティストのブログ

グラフ・ネットワーク分析で遊ぶ(4):コミュニティ検出(クラスタリング) - 六本木で働くデータサイエンティストのブログ

グラフ・ネットワーク分析で遊ぶ(5):何となくNIPS2015の共著者グラフを描いてみた - 六本木で働くデータサイエンティストのブログ